Neurovetenskapsforskare vid Princeton University rapporterar att hjärnan uppnår flexibelt lärande genom att återanvända modulära kognitiva komponenter över uppgifter. I experiment med rhesusapor fann forskarna att prefrontala cortex monterar dessa återanvändbara ”kognitiva Legos” för att snabbt anpassa beteenden. Resultaten, publicerade 26 november i Nature, understryker skillnader från dagens AI-system och kan så småningom informera behandlingar för störningar som försämrar flexibelt tänkande.
Forskare vid Princeton University undersökte varför biologiska hjärnor anpassar sig till nya uppgifter effektivare än många artificiella intelligenssystem. I en ny studie rapporterar de att hjärnan upprepat återanvänder delade neurala mönster, eller kognitiva ”block”, för att bygga komplexa beteenden istället för att lära sig varje uppgift från grunden.
Enligt Princetons redogörelse för arbetet, publicerat 26 november 2025 i tidskriften Nature, tränade teamet två hanliga rhesusapor att utföra tre relaterade visuella kategoriseringsuppgifter samtidigt som hjärnaktivitet registrerades.
I uppgifterna tittade aporna på färgglada, ballongliknande klumpar på en skärm och skulle bedöma om varje form liknade en kanin eller bokstaven ”T” (formkategorisering) eller om den verkade mer röd eller mer grön (färgkategorisering). För att ange sina val rapporterade djuren sina beslut genom att titta i en av fyra riktningar på skärmen. I en uppgift signalerade till exempel blick åt vänster att klumpen liknade en kanin, medan blick åt höger indikerade att den liknade en ”T” mer. Vissa bilder var tydligt en kategori eller annan, medan andra var tvetydiga och krävde finare bedömning.
En nyckelfunktion i designen var att varje uppgift hade distinkta regler men delade element med de andra. En av färgap uppgifterna och formuppgiften krävde samma kartläggning mellan ögonrörelser och val, medan båda färgap uppgifterna använde samma regel för att bedöma färg (mer röd mot mer grön) men krävde olika ögonrörelsesvar. Denna struktur möjliggjorde för forskarna att testa om hjärnan återanvände samma neurala mönster – dess kognitiva byggblock – när uppgifter delade specifika komponenter.
Analys av hjärnaktivitet visade återkommande mönster i prefrontala cortex, en region i framkant av hjärnan involverad i högre kognition och beslutsfattande. Dessa mönster uppstod när grupper av neuroner arbetade tillsammans mot delade mål, som att diskriminera färger, och kunde flexibelt kombineras med andra mönster för att stödja olika uppgifter.
”State-of-the-art AI-modeller kan nå mänsklig, eller till och med övermänsklig, prestanda på enskilda uppgifter. Men de kämpar med att lära sig och utföra många olika uppgifter”, sa Tim Buschman, Ph.D., huvudförfattare till studien och biträdande direktör vid Princeton Neuroscience Institute. ”Vi fann att hjärnan är flexibel eftersom den kan återanvända komponenter i kognitionen i många olika uppgifter. Genom att snäppa ihop dessa ’kognitiva Legos’ kan hjärnan bygga nya uppgifter.”
Buschman jämförde ett kognitivt block med en funktion i ett datorprogram: en grupp neuroner kan bestämma färgen på en bild, och dess utdata kan sedan mata in i ett annat block som styr en handling som en specifik ögonrörelse. För en av färgap uppgifterna monterade till exempel hjärnan ett block som utvärderade färg med ett annat som styrde blickriktning. När djuret bytte till att bedöma former med liknande ögonrörelser kombinerade hjärnan istället ett formbehandlingsblock med samma rörelseblock.
Huvudförfattaren Sina Tafazoli, Ph.D., postdoktoralforskare i Buschmans labb, sa att prefrontala cortex också verkade undertrycka irrelevanta block, vilket hjälpte djuren att fokusera på det aktuella målet. ”Hjärnan har begränsad kapacitet för kognitiv kontroll”, sa Tafazoli. ”Du måste komprimera vissa av dina förmågor för att kunna fokusera på de som är för närvarande viktiga. Att fokusera på formkategorisering minskar till exempel tillfälligt förmågan att koda färg eftersom målet är formdiskriminering, inte färg.”
Forskarna tolkar denna kompositionella organisation – att montera nya beteenden från återanvändbara neurala komponenter – som en nyckelskäl till varför människor och andra djur kan lära sig nya uppgifter så snabbt. Till skillnad från detta lider många maskininlärningssystem av ”katastrofal interferens”, där inlärning av en ny färdighet skriver över äldre. ”När en maskin eller ett neuralt nätverk lär sig något nytt glömmer de och skriver över tidigare minnen”, sa Tafazoli.
Enligt Princetons rapport och relaterad rapportering om studien kan förståelse av hur hjärnan återanvänder och kombinerar dessa kognitiva block hjälpa ingenjörer att utforma AI-system som lär sig nya uppgifter utan att radera tidigare kunskap. Samma principer kan så småningom vägleda kliniska tillvägagångssätt för tillstånd som schizofreni, tvångssyndrom och vissa former av hjärnskador, där människor ofta kämpar med att byta strategier eller tillämpa befintliga färdigheter i nya sammanhang.
Finansiering för forskningen tillhandahölls av U.S. National Institutes of Health, inklusive bidrag R01MH129492 och 5T32MH065214.
